Содержание структурных углеводов и лигнина в многолетних злаковых кормовых травах в зависимости от фазы роста и цифровые инновации в анализе состава корма

Статья посвящена изучению содержания углеводов клеточных стенок: нейтрально-детергентной клетчатки (НДК), кислотно-детергентной клетчатки (КДК), кислотно-детергентного лигнина (КДЛ) в злаковых травах – в зависимости от фаз вегетации. По мере смены фаз вегетации выявлено увеличение всех фракций клеточных стенок. Содержание кислотно-детергентной клетчатки, нейтрально-детергентной клетчатки и кислотно-детергентного лигнина (% в сухом веществе) в злаковых травах (кострец безостый, овсяница луговая, тимофеевка луговая) составляет до начала колошения 31‑32, 50‑55, 4‑6; в фазу колошения –32‑37 и 55‑65, 5‑6; в цветение – 40‑45, 70‑72, 7‑9 соответственно. По мере роста трав одновременно с накоплением клеточных стенок происходит изменение их состава. Возрастание доли нейтрально-детергентной клетчатки происходит главным образом за счет увеличения доли целлюлозы и снижения доли гемицеллюлоз, что согласуется с более высокой переваримостью трав в ранние фазы роста. Связь между сырой клетчаткой и кислотно-детергентной клетчаткой по результатам исследования оказалась более тесной (n = 64, s = 2,4%, r = 0,93), чем между сырой клетчаткой и нейтрально-детергентной клетчаткой (n = 64, s = 4,4%, r = 0,87). Поскольку состав трав в течение вегетации меняется ежедневно, целесообразно определять их состав как можно более оперативно. Поскольку химические методы занимают много времени, то для решения этой задачи может быть использован экспресс-метод на основе инфракрасного анализатора. Экспресс-метод предполагает после операции размалывания пробы последовательное выполнение таких операций, как калибровка анализатора, помещение пробы в анализатор и анализ проб с помощью анализатора, то есть также является достаточно длительным. Для получения более оперативной информации (2 ч) сегодня все чаще используются цифровые технологии. Метод, основанный на цифровых технологиях, предполагает последовательное выполнение следующих операций: запуск БПЛА; исследование посевов; передача мультиспектральных данных на сервер; обработка информации и расчет содержания сырой клетчатки.

1. Bailey R.W. Structural carbohydrates. Chemistry and biochemistry of herbage. New York, «Academic Prеss»; 1973. Рр. 157-211.

2. Khudyakova E.V., Khudyakova H.K., Shitikova A.V., Savoskina O.A., Konstantinovich A.V. Information technologies for determination the optimal period of preparing fodder from perennial grasses. Periodico Tche Quimica. 2020;17(35):1044 1056. https://doi.org/10.52571/PTQ.v17.n35.2020.86_KHUDYAKOVA_pgs_1044_1056.pdf

3. Van-Soest P.J., Robertson J.B. and Lewis B.A. Methods for Dietary Fiber, Neutral Detergent Fiber, and Nonstarch Polysaccharides in Relation to Animal Nutrition. J. Dairy Sci. 1991;74:3583-3597.

4. National Research Council. 1982. United States-Canadian Tables of Feed Composition: Nutritional Data for United States and Canadian Feeds, Third Revision. Washington, DC: The National Academies Press. https://doi.org/10.17226/1713

5. Организационно-технологические требования при производстве молока на молочных комплексах промышленного типа: Постановление Министерства сельского хозяйства и продовольствия Республики Беларусь от 4 июня 2018 г. № 16. – Режим доступа: https://brestplem.by/informatsiya/instruktsii/oot.pdf

6. National Research Council. Nutrient Requirements of Dairy Cattle: Seventh Revised Edition, 2001. Washington, DC: The National Academies Press. https://doi.org/10.17226/9825

7. Walelegne M., Meheret F., Derseh M.B., Dejene M., Asmare Y.T., Prasad K.V.S.V., Jones C.S., Dixon R.M. and Duncan A.J. Near-infrared reflectance spectroscopy using a portable instrument to measure the nutritive value of oilseed meals as livestock feed. Front. Anim. Sci. 2023;4:1203449. https://doi.org/10.3389/fanim.2023.1203449

8. Lingjie Zeng, Chengci Chen. Using remote sensing to estimate forage biomass and nutrient contents at different growth stages. Biomass and Bioenergy. 2018;115:74-81. https://doi.org/10.1016/j.biombioe.2018.04.016

9. Khudyakova E.V., Gorbachev M.S., Nifontova Е.A. Improving the efficiency of agro-industrial complex management based on digitalization and system approach. IOP Conf. Ser.: Earth Environ. Sci. 2018;274:012079. https://doi.org/10.1088/1755-1315/274/1/012079

10. Khudyakova E., Nikanorov M., Bystrenina I., Cherevatova T., Sycheva I. Forecasting the production of gross output in agricultural sector of the ryazan oblast. Estudios de Economía Aplicada. 2021. Т. 39, № 6. https://doi.org/10.25115/eea.v39i6.5171

11. Slastya I., Khudyakova E., Vasenev I., Nikanorov M., Fomina T. Improvement of the Integral Indicator of the Ecological and Toxicological Assessment of the Danger of the Use of Pesticides in Agriculture and the Creation of an Information System for Their Monitoring. Agriculture (Switzerland). 2023;13(9):1797. https://doi.org/10.3390/agricultural13091797

12. Худякова Е.В., Кушнарёва М.Н., Горбачёв М.И. Определение оптимальных сроков заготовки кормов на основе использования технологий «Интернета вещей» (IoT). Главный агроном. 2022;2.

13. Yao X., Zhu Y., Tian Y. et al. Exploring hyperspectral bands and estimation indices for leaf nitrogen accumulation in wheat. International Journal of Applied Earth Observation and Geoinformation. 2010;12:89 100. https://doi.org/10.1016/j.jag.2009.11.008.

14. Zhang X., Liu F., He Y., Gong X. Detecting macronutrients content and distribution in oilseed rape leaves based on hyperspectral imaging. Biosystems Engineering. 2013;115:56 65. https://doi.org/10.1016/j.biosystemseng.2013.02.007

15. Трухачев В.И., Сычёва О.В., Стародубцева Г.П. и др. Технология молочного фиточая «Стевилакт». Пищевая индустрия. 2012;2:18 20.